Akademik Veri Yönetim Sistemi
Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, Washington, Amerika Birleşik Devletleri, 17 Temmuz - 24 Ekim 2024, ss.3239-3249
Görüntülerde kenarları tespit etmek, (P1) pozitif ve negatif sınıflar arasında büyük bir dengesizlik ve (P2) farklı etiketleyiciler arasındaki fikir ayrılıklarından kaynaklanan etiket belirsizliği sorunlarıyla karşı karşıyadır. Mevcut çözümler, P1 sorununu sınıf dengeli çapraz entropi kaybı ve dice kaybı kullanarak ve P2 sorununu ise çoğu etiketleyiciler tarafından üzerinde anlaşmaya varılan kenarları tahmin ederek ele almaktadır. Bu makalede, hem dengesizlik problemini (P1) hem de belirsizlik problemini (P2) ele alan birleştirilmiş, sıralama tabanlı bir yaklaşım olan RankED'i öneriyoruz. RankED, bu iki sorunu çözmek için iki bileşen kullanmaktadır: İlk bileşen pozitif pikselleri negatif piksellerin üzerinde sıralarken, ikinci bileşen yüksek güvenlikli kenar piksellerinin daha fazla etiket kesinliğine sahip olmasını teşvik eder. RankED'in, NYUDv2, BSDS500 ve Multi-cue veri kümelerinde önceki çalışmalardan daha iyi performans gösterdiğini ve yeni bir son teknoloji standart belirlediğini gösteriyoruz.